论文部分内容阅读
对神经网络算法以及利用神经网络进行敏感性预测中经常出现的问题进行了探讨。着重介绍了合理网络结构的确定方法、学习样本的搜集与处理以及学习算法的改进等，并建立了改进的B-P算法。通过水敏性预测，介绍了神经网络在敏感性预测中的具体应用过程，并对其在实际生产中的应用效果进行了验证。结果表明，利用改进后的神经网络对储层敏感性进行预测的方法，具有预测精度高、自适应好、容错能力强等优点。为了便于使用，编制了功能完备的敏感性预测软件，现场使用效果良好。